中国电信云计算研究院与福建师范大学联合研究团队在网络容错与诊断领域取得了最新研究成果，论文《Cyclic Diagnosability of BC Networks under the PMC Model and MM* Model》已被CCF A类期刊IEEE/ACM Transactions on Networking (IEEE TON)接收。该研究提出了一种全新的理论框架，专门用于分析和解决BC网络中的循环故障诊断问题，特别是通过引入g-BC网络（广义BC网络）的概念，深入探索了高维拓扑结构下的循环诊断度。研究填补了网络故障诊断理论的空白，并推动了P/M/C模型与MM*模型在复杂网络中的应用与创新。研究团队成功定义了g-BC网络的循环诊断度，提出了一个统一公式 5n-8-g(n≥11,1≤g≤5)，有效地评估了不同类型BC网络的容错性能。此外，团队还设计了两种高效的故障诊断算法：TDPMC和FBDMM，突破了传统诊断方法的局限，显著提高了大规模网络环境中的故障诊断效率与精确度。这一研究为BC网络中的容错设计提供了新的理论和技术支持，推动了网络智能化、鲁棒性提升和大规模应用的发展。此项工作第一作者为福建师范大学计算机与网络空间安全学院硕士生邓鹏，共同通讯为福建师范大学林丽美教授和中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，由福建理工大学黄艳泽副教授、台湾成功大学谢孙源教授共同完成，是云计算研究院与外部高校在产学研合作方面的重要成果。
图1展示了两个五维BC图：图1左图与五维超立方体X5同构，而图1右图与五维局部扭曲超立方体CX5同构。
在网络容错与诊断研究中，系统级比较模型（如P/M/C模型和MM*模型）为复杂网络故障分析提供了理论基础，帮助我们理解网络中节点或链路故障的影响，尤其是环形拓扑结构中故障传播的复杂性。传统故障诊断方法多聚焦于单一节点或链路的失效，但在面对多重故障时，其诊断效果往往有限。循环诊断度作为一种新兴的度量方法，能够评估网络在多重故障情况下的容错能力，具体来说，它衡量的是在节点或链路故障后，网络中剩余部分是否能够保持原有的环形结构连接性，从而反映网络的冗余度和容错性。在此背景下，BC网络作为一种高维拓扑结构，广泛应用于分布式系统和数据中心，但其循环诊断度的复杂性使得传统方法难以有效应对。
研究团队为BC网络中的循环诊断度的研究提供了全新的思路。通过提出g-BC网络的概念，研究团队构建了一个统一的框架，并成功证明了一个统一的循环诊断度公式：ct(g-Xn)=5n-8-g(n≥11,1≤g≤5)，其中g表示不同类型的BC网络。这一公式为BC网络的故障诊断提供了统一的度量标准，克服了传统方法在处理多样化、复杂网络结构时的局限性，显著提升了容错性能的评估能力。为了有效应对BC网络中的故障诊断挑战，团队还设计了两种创新的高效故障诊断算法：TDPMC（基于阈值的P/M/C模型故障诊断算法）和FBDMM（基于怀疑分数的MM*故障诊断算法）。其中，TDPMC通过引入动态阈值调整策略，显著提升了大规模网络中的故障检测精度，而FBDMM则结合了动态参数聚合机制，不仅保持了高效的计算性能，还进一步增强了算法在面对多重故障时的容错能力。这两种算法的结合，突破了传统故障诊断方法的瓶颈，为复杂网络中的故障检测提供了创新的解决方案。实验结果表明，TDPMC和FBDMM在g-BC网络中的应用，大幅提高了故障诊断的效率和准确性，特别是在处理高维度、大规模网络时，展现了显著的性能优势。具体而言，TDPMC在大规模网络中的应用显著降低了计算复杂度，并在频繁发生故障的场景下保持了较高的诊断精度；而FBDMM通过引入动态调整机制，有效提升了模型在面对时空不规则数据时的鲁棒性，进一步增强了故障诊断的稳定性和准确性。
中国电信云计算研究院一直致力于网络容错与故障诊断技术的研究，并取得了显著进展。作为云计算和智能网络技术的领先者，中国电信通过分布式学习、隐私保护计算和大规模网络优化等前沿技术，不断提升网络的鲁棒性和容错能力。此次研究成果的发布标志着中国电信在网络容错与故障诊断领域的又一次突破，尤其在大规模复杂网络的故障定位和恢复方面。通过与国内外高校和科研机构的合作，云计算研究院在多个领域取得了关键性进展，为智慧城市、物联网和5G网络等应用提供了技术支撑。中国电信不仅在技术研发上持续创新，还推动前沿理论的应用，致力于实现网络故障诊断的智能化和自动化，确保网络智能管理和数据隐私保护。此次研究的成功发布进一步巩固了中国电信在该领域的技术领先地位。
IEEE Transactions on Networking (IEEE TON) 是网络与通信领域公认的顶级期刊，长期以来在全球学术界和工业界享有崇高声誉。该期刊专注于发表网络技术领域的前沿研究，涵盖了移动计算、网络架构、资源管理、无线通信、网络协议设计以及网络安全等多个重要领域，尤其在网络协议设计、大规模网络架构和通信安全等方面具有深远的影响。IEEE TON的高影响因子和严格的同行评审机制，确保了每篇文章都具有理论创新、技术应用和实践意义。作为中国计算机学会（CCF）推荐的A类期刊，IEEE TON吸引了全球顶尖学者和产业专家的投稿，推动了网络技术的学术进步与产业应用，成为智能网络、5G通信、大数据、云计算等技术领域的核心推动力。该期刊不仅为全球网络研究提供了重要的平台，也为技术创新与应用奠定了坚实的基础。
中国电信云计算研究院北京总部(北京市海淀区学院路42号)
中国电信云计算研究院上海分部(上海市浦东新区世纪大道211号)
京公网安备11040140060|京ICP备12007914号 增值电信业务经营许可证A2.B1.B2-20090001
中国电信云计算研究院与福建师范大学联合研究团队在网络容错与诊断领域取得了最新研究成果，论文《Cyclic Diagnosability of BC Networks under the PMC Model and MM* Model》已被CCF A类期刊IEEE/ACM Transactions on Networking (IEEE TON)接收。该研究提出了一种全新的理论框架，专门用于分析和解决BC网络中的循环故障诊断问题，特别是通过引入g-BC网络（广义BC网络）的概念，深入探索了高维拓扑结构下的循环诊断度。研究填补了网络故障诊断理论的空白，并推动了P/M/C模型与MM*模型在复杂网络中的应用与创新。研究团队成功定义了g-BC网络的循环诊断度，提出了一个统一公式 5n-8-g(n≥11,1≤g≤5)，有效地评估了不同类型BC网络的容错性能。此外，团队还设计了两种高效的故障诊断算法：TDPMC和FBDMM，突破了传统诊断方法的局限，显著提高了大规模网络环境中的故障诊断效率与精确度。这一研究为BC网络中的容错设计提供了新的理论和技术支持，推动了网络智能化、鲁棒性提升和大规模应用的发展。此项工作第一作者为福建师范大学计算机与网络空间安全学院硕士生邓鹏，共同通讯为福建师范大学林丽美教授和中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，由福建理工大学黄艳泽副教授、台湾成功大学谢孙源教授共同完成，是云计算研究院与外部高校在产学研合作方面的重要成果。
图1展示了两个五维BC图：图1左图与五维超立方体X5同构，而图1右图与五维局部扭曲超立方体CX5同构。
在网络容错与诊断研究中，系统级比较模型（如P/M/C模型和MM*模型）为复杂网络故障分析提供了理论基础，帮助我们理解网络中节点或链路故障的影响，尤其是环形拓扑结构中故障传播的复杂性。传统故障诊断方法多聚焦于单一节点或链路的失效，但在面对多重故障时，其诊断效果往往有限。循环诊断度作为一种新兴的度量方法，能够评估网络在多重故障情况下的容错能力，具体来说，它衡量的是在节点或链路故障后，网络中剩余部分是否能够保持原有的环形结构连接性，从而反映网络的冗余度和容错性。在此背景下，BC网络作为一种高维拓扑结构，广泛应用于分布式系统和数据中心，但其循环诊断度的复杂性使得传统方法难以有效应对。
研究团队为BC网络中的循环诊断度的研究提供了全新的思路。通过提出g-BC网络的概念，研究团队构建了一个统一的框架，并成功证明了一个统一的循环诊断度公式：ct(g-Xn)=5n-8-g(n≥11,1≤g≤5)，其中g表示不同类型的BC网络。这一公式为BC网络的故障诊断提供了统一的度量标准，克服了传统方法在处理多样化、复杂网络结构时的局限性，显著提升了容错性能的评估能力。为了有效应对BC网络中的故障诊断挑战，团队还设计了两种创新的高效故障诊断算法：TDPMC（基于阈值的P/M/C模型故障诊断算法）和FBDMM（基于怀疑分数的MM*故障诊断算法）。其中，TDPMC通过引入动态阈值调整策略，显著提升了大规模网络中的故障检测精度，而FBDMM则结合了动态参数聚合机制，不仅保持了高效的计算性能，还进一步增强了算法在面对多重故障时的容错能力。这两种算法的结合，突破了传统故障诊断方法的瓶颈，为复杂网络中的故障检测提供了创新的解决方案。实验结果表明，TDPMC和FBDMM在g-BC网络中的应用，大幅提高了故障诊断的效率和准确性，特别是在处理高维度、大规模网络时，展现了显著的性能优势。具体而言，TDPMC在大规模网络中的应用显著降低了计算复杂度，并在频繁发生故障的场景下保持了较高的诊断精度；而FBDMM通过引入动态调整机制，有效提升了模型在面对时空不规则数据时的鲁棒性，进一步增强了故障诊断的稳定性和准确性。
中国电信云计算研究院一直致力于网络容错与故障诊断技术的研究，并取得了显著进展。作为云计算和智能网络技术的领先者，中国电信通过分布式学习、隐私保护计算和大规模网络优化等前沿技术，不断提升网络的鲁棒性和容错能力。此次研究成果的发布标志着中国电信在网络容错与故障诊断领域的又一次突破，尤其在大规模复杂网络的故障定位和恢复方面。通过与国内外高校和科研机构的合作，云计算研究院在多个领域取得了关键性进展，为智慧城市、物联网和5G网络等应用提供了技术支撑。中国电信不仅在技术研发上持续创新，还推动前沿理论的应用，致力于实现网络故障诊断的智能化和自动化，确保网络智能管理和数据隐私保护。此次研究的成功发布进一步巩固了中国电信在该领域的技术领先地位。
IEEE Transactions on Networking (IEEE TON) 是网络与通信领域公认的顶级期刊，长期以来在全球学术界和工业界享有崇高声誉。该期刊专注于发表网络技术领域的前沿研究，涵盖了移动计算、网络架构、资源管理、无线通信、网络协议设计以及网络安全等多个重要领域，尤其在网络协议设计、大规模网络架构和通信安全等方面具有深远的影响。IEEE TON的高影响因子和严格的同行评审机制，确保了每篇文章都具有理论创新、技术应用和实践意义。作为中国计算机学会（CCF）推荐的A类期刊，IEEE TON吸引了全球顶尖学者和产业专家的投稿，推动了网络技术的学术进步与产业应用，成为智能网络、5G通信、大数据、云计算等技术领域的核心推动力。该期刊不仅为全球网络研究提供了重要的平台，也为技术创新与应用奠定了坚实的基础。
